以下内容转载自Zerith零次方

如有侵权，请联系删除

  点击此处观看产品视频

  面向类家庭服务垂直场景（酒店、餐厅等），我们推出了一款轮式人形机器人Zerith-H1，取意Home1。其搭载的垂直场景操作基础模型Zerith-V0，为类家庭服务场景提供智能解决方案。

丨为什么要做类家庭服务垂直场景落地？

  家庭是通用机器人的终极服务场景，而在奔向家庭这个最复杂泛化、交互性最强的场景途中，我们采取 "垂直场景切入 - 家庭场景延伸" 的梯度推进策略：优先选择与家庭场景高度相似的典型服务业垂直场景（如酒店卧室 / 卫生间、餐厅后厨）作为突破口。这些场景具备三大核心优势：

  1.任务聚焦性：操作流程明确（如酒店清洁、餐食备制、桌面整理），降低对于数据与模型泛化处理复杂度；

  2.交互轻量化：初期仅需基础人机协作能力，显著低于家庭场景的多模态交互需求；

  3.商业闭环快：通过细分领域规模化落地，快速验证技术可行性并积累真实场景数据。

丨以自动驾驶为借鉴，验证专项模型可行性

  从场景上看，具身智能涵盖任务泛化、对象泛化、背景泛化三大维度。自动驾驶本质上是具身智能的一个子集，已验证 "锁定场景 - 明确任务 - 泛化背景 - 泛化物体" 的垂直落地模式。这提供了可复用的经验 —— 在具身智能领域，同样可通过定义清晰任务边界（如酒店布草整理、餐厅餐桌处理），针对性突破一定范围的物体泛化（各类家具 / 厨具）与背景适应（不同光照、空间布局）的技术瓶颈，打造细分场景专业执行者。

  相较自动驾驶的 "零失败容忍" 特性，具身操作允许真实场景中一定程度上的试错操作，所积累的失败数据集可以让算法学会纠正错误操作，形成 "数据采集 - 模型迭代 - 场景验证" 的闭环加速效应。这种特性使机器人能够更早进入真实环境，在动态交互中持续进化决策逻辑。

  以类家庭服务垂直场景为切入点，机器人得以逐步攻克复杂度递增的场景，转动从场景数据到多样性数据的往复性飞轮，在真实环境中逐步增强模型能力；也能更早跑入商业小闭环。

丨Zerith-V0：面向垂直场景的具身操作基础模型

  目前主流机器人操作VLA模型采用"感知 - 动作"直连架构，依赖堆砌海量数据训练提升适应能力，缺少对操作原理的基础认知。而我们提出的Zerith-V0——创新采用"认知-行为"双系统架构，以被操作物体为中心构建空间表征，实现原理驱动式的智能操作。

  人类的操作智能本质上是分层递进的：首先通过任务目标激发认知系统回滚知识，搜寻任务相关对象的物理结构组成和功能属性。对象先验和拓扑关系用于指导行为系统产生习得性动作，并实时根据主要对象的状态反馈实现行为调整。

  数据层面上，划分为知识数据和行为数据。首先学习操作知识数据上，我们通过大规模的视频动作数据来构建。对于行为数据，我们构建了基于下游场景的动作基元数据集。

  模型架构层面上，我们搭建了分层双系统的架构——认知系统构建对操作物体的物理属性与功能语义的理解；行为系统则基于物体空间信息映射，实现运动基元的组合优化。两者通过以操作物体为中心的统一空间表征作为交互中间件，屏蔽背景噪声，提升背景泛化能力，让系统更专注于任务本身。